{"id":9941,"date":"2021-11-09T13:33:42","date_gmt":"2021-11-09T18:33:42","guid":{"rendered":"https:\/\/platform.enroll-hd.org\/?page_id=9941"},"modified":"2022-01-19T15:09:46","modified_gmt":"2022-01-19T20:09:46","slug":"age-and-cag-length-in-hd-data-analysis","status":"publish","type":"page","link":"https:\/\/www.enroll-hd.org\/de\/for-researchers\/analyzing-data\/age-and-cag-length-in-hd-data-analysis\/","title":{"rendered":"Alter und CAG-L\u00e4nge in der HD-Datenanalyse"},"content":{"rendered":"<style>.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button{text-align:center;}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button .jkit-button-wrapper{padding:0px 0px 0px 0px;font-family:var( --e-global-typography-6cb29b0-font-family ), Sans-serif;font-size:var( --e-global-typography-6cb29b0-font-size );font-weight:var( --e-global-typography-6cb29b0-font-weight );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );color:var( --e-global-color-primary );background-color:#02010100;}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button .jkit-button-wrapper svg{fill:var( --e-global-color-primary );width:15px;}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button .jkit-button-wrapper i{font-size:15px;}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-c43db38 > .elementor-widget-container{margin:0px 10px 0px 0px;}.elementor-9941 .elementor-element.elementor-element-c43db38{width:auto;max-width:auto;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button{text-align:center;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button .jkit-button-wrapper{padding:0px 0px 0px 0px;font-family:var( --e-global-typography-6cb29b0-font-family ), Sans-serif;font-size:var( --e-global-typography-6cb29b0-font-size );font-weight:var( --e-global-typography-6cb29b0-font-weight );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );color:var( --e-global-color-primary );background-color:#02010100;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button .jkit-button-wrapper svg{fill:var( --e-global-color-primary );width:15px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button .jkit-button-wrapper i{font-size:15px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e > .elementor-widget-container{margin:0px 10px 0px 0px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e{width:auto;max-width:auto;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button{text-align:center;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button .jkit-button-wrapper{padding:0px 0px 0px 0px;font-family:var( --e-global-typography-6cb29b0-font-family ), Sans-serif;font-size:var( --e-global-typography-6cb29b0-font-size );font-weight:var( --e-global-typography-6cb29b0-font-weight );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );color:var( --e-global-color-primary );background-color:#02010100;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button .jkit-button-wrapper svg{fill:var( --e-global-color-primary );width:15px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button .jkit-button-wrapper i{font-size:15px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc > .elementor-widget-container{margin:0px 10px 0px 0px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc{width:auto;max-width:auto;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button{text-align:center;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button .jkit-button-wrapper{padding:0px 0px 0px 0px;font-family:var( --e-global-typography-6cb29b0-font-family ), Sans-serif;font-size:var( --e-global-typography-6cb29b0-font-size );font-weight:var( --e-global-typography-6cb29b0-font-weight );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );color:var( --e-global-color-primary );background-color:#02010100;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button .jkit-button-wrapper svg{fill:var( --e-global-color-primary );width:15px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button .jkit-button-wrapper i{font-size:15px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 > .elementor-widget-container{margin:0px 10px 0px 0px;}.elementor-9941 .elementor-element.elementor-element-e6cd407{width:auto;max-width:auto;}.elementor-9941 .elementor-element.elementor-element-c189ef1 .premium-banner-ib-title, .elementor-9941 .elementor-element.elementor-element-c189ef1 .premium-banner-ib-content, .elementor-9941 .elementor-element.elementor-element-c189ef1 .premium-banner-read-more{text-align:left;}.elementor-9941 .elementor-element.elementor-element-c189ef1 .premium-banner-ib img{opacity:1;}.elementor-9941 .elementor-element.elementor-element-c189ef1:hover .premium-banner-ib img{opacity:1;}.elementor-9941 .elementor-element.elementor-element-d799ba4 .elementor-heading-title{color:var( --e-global-color-secondary );}.elementor-9941 .elementor-element.elementor-element-d799ba4{color:#70758A;padding:50px 0px 50px 0px;}.elementor-9941 .elementor-element.elementor-element-d799ba4 a{color:var( --e-global-color-primary );}.elementor-9941 .elementor-element.elementor-element-6b9acd4{text-align:start;}.elementor-9941 .elementor-element.elementor-element-7a93c61 .elementor-heading-title{font-family:\"Roboto\", Sans-serif;font-size:18px;font-weight:500;font-style:italic;}.elementor-9941 .elementor-element.elementor-element-a3120e7 > .elementor-widget-container{padding:0px 0px 0px 50px;}.elementor-9941 .elementor-element.elementor-element-91e5868{--spacer-size:50px;}:root{--page-title-display:none;}@media(max-width:1024px){.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-7a93c61 .elementor-heading-title{font-size:17px;}}@media(max-width:767px){.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c43db38 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-c9eec4e .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-ae4e7dc .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button .jkit-button-wrapper{font-size:var( --e-global-typography-6cb29b0-font-size );line-height:var( --e-global-typography-6cb29b0-line-height );letter-spacing:var( --e-global-typography-6cb29b0-letter-spacing );word-spacing:var( --e-global-typography-6cb29b0-word-spacing );}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-before .jkit-button-wrapper svg{margin-right:10px;}.elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper i, .elementor-9941 .elementor-element.elementor-element-e6cd407 .jeg-elementor-kit.jkit-button.icon-position-after .jkit-button-wrapper svg{margin-left:10px;}.elementor-9941 .elementor-element.elementor-element-7a93c61 .elementor-heading-title{font-size:16px;}}<\/style>\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"9941\" class=\"elementor elementor-9941\" data-elementor-post-type=\"page\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-0959aa5 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"0959aa5\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-4362823\" data-id=\"4362823\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-c43db38 elementor-widget__width-auto elementor-widget elementor-widget-jkit_button\" data-id=\"c43db38\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"jkit_button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div  class=\"jeg-elementor-kit jkit-button  icon-position-after jeg_module___69d81d1a74cf5\" ><a href=\"\/de\/for-researchers\/\" class=\"jkit-button-wrapper\">F\u00fcr Forscher<i aria-hidden=\"true\" class=\"fas fa-chevron-right\"><\/i><\/a><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c9eec4e elementor-widget__width-auto elementor-widget elementor-widget-jkit_button\" data-id=\"c9eec4e\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"jkit_button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div  class=\"jeg-elementor-kit jkit-button  icon-position-after jeg_module__1_69d81d1a75c15\" ><a href=\"\" class=\"jkit-button-wrapper\">Werkzeuge<i aria-hidden=\"true\" class=\"fas fa-chevron-right\"><\/i><\/a><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ae4e7dc elementor-widget__width-auto elementor-widget elementor-widget-jkit_button\" data-id=\"ae4e7dc\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"jkit_button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div  class=\"jeg-elementor-kit jkit-button  icon-position-after jeg_module__2_69d81d1a76a99\" ><a href=\"\/de\/for-researchers\/analyzing-data\/\" class=\"jkit-button-wrapper\">Daten analysieren<i aria-hidden=\"true\" class=\"fas fa-chevron-right\"><\/i><\/a><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e6cd407 elementor-widget__width-auto elementor-widget elementor-widget-jkit_button\" data-id=\"e6cd407\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"jkit_button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div  class=\"jeg-elementor-kit jkit-button  icon-position-after jeg_module__3_69d81d1a77900\" ><a href=\"\" class=\"jkit-button-wrapper\">Besonderheiten von HD-Daten <\/a><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c189ef1 elementor-widget elementor-widget-premium-addon-banner\" data-id=\"c189ef1\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"premium-addon-banner.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"premium-banner-ib premium-banner-min-height premium-banner-animation1 none premium-banner__effect-type2\">\r\n\t\t\t\t\t\t\t\t\t\t<img fetchpriority=\"high\" decoding=\"async\" width=\"1070\" height=\"225\" src=\"https:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/ageandcagheader201119.png\" class=\"attachment-full size-full wp-image-9952\" alt=\"\" srcset=\"https:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/ageandcagheader201119.png 1070w, https:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/ageandcagheader201119-300x63.png 300w, https:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/ageandcagheader201119-1024x215.png 1024w, https:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/ageandcagheader201119-768x161.png 768w\" sizes=\"(max-width: 1070px) 100vw, 1070px\" \/>\t\t\t\t\t\t\t\t\t<div class=\"premium-banner-ib-desc\">\r\n\t\t\t\t\r\n\t\t\t\t\r\n\t\t\t\t\r\n\t\t\t\t\r\n\t\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t<\/div>\r\n\r\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-d799ba4 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"d799ba4\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-18a6d3d\" data-id=\"18a6d3d\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-6b9acd4 elementor-widget elementor-widget-heading\" data-id=\"6b9acd4\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Alter und CAG-L\u00e4nge in der HD-Datenanalyse<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7a93c61 elementor-widget elementor-widget-heading\" data-id=\"7a93c61\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Wie Alter und CAG bei der statistischen Analyse von Huntington-Daten ber\u00fccksichtigt werden.<\/h5>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b673a94 elementor-widget elementor-widget-text-editor\" data-id=\"b673a94\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><em>Hintergrund<\/em><\/strong><\/p><p>Die Huntington-Krankheit entwickelt sich im Laufe der Zeit, wobei die Anzeichen und Symptome typischerweise in der Lebensmitte auftreten (Ross et al. 2014). Der Zeitpunkt der Anzeichen und Symptome der Huntington-Krankheit h\u00e4ngt stark von der CAG-L\u00e4nge ab (Abbildung 1), wobei l\u00e4ngere L\u00e4ngen mit einem j\u00fcngeren Erkrankungsalter verbunden sind (Lee et al. 2012). Folglich, <strong>Alter<\/strong> Und <strong>CAG-L\u00e4nge<\/strong> sind wichtige \u00dcberlegungen bei fast jeder Huntington-Analyse. In diesem Artikel werden mehrere alters- und CAG-bezogene Probleme er\u00f6rtert, die ein Forscher ber\u00fccksichtigen sollte, bevor er mit der Analyse von Beobachtungsdatens\u00e4tzen der Huntington-Krankheit wie Enroll-HD beginnt (Landwehrmeyer et al. 2016).<\/p><p>Die Beziehung zwischen Alter und CAG wird in fast allen Huntington-Analysen ber\u00fccksichtigt, aber die Details, wie Alter und CAG sind <em>behandelt<\/em> in statistischen Modellen h\u00e4ngt vom Kontext ab. Dabei konzentrieren wir uns auf die Kontexte einer Querschnittsanalyse und einer L\u00e4ngsschnittanalyse.<\/p><p><img decoding=\"async\" class=\"alignnone wp-image-9943\" src=\"http:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/age-at-motor-diagnosis-cag-analyzing.png\" alt=\"\" width=\"500\" height=\"297\" srcset=\"https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/age-at-motor-diagnosis-cag-analyzing.png 752w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/age-at-motor-diagnosis-cag-analyzing-300x178.png 300w\" sizes=\"(max-width: 500px) 100vw, 500px\" \/><\/p><p><strong><em>Abbildung 1. <\/em><\/strong><em>Der Zusammenhang zwischen CAG-L\u00e4nge und Alter bei der motorischen Diagnose.<\/em><\/p><p><strong><em>Querschnittsanalyse<\/em><\/strong><\/p><p>Bei der Querschnittsanalyse werden Variablen verwendet, die zu einem einzelnen Zeitpunkt oder Besuch erfasst werden. Ein h\u00e4ufig verwendeter einzelner Zeitpunkt ist der Besuch bei Studienbeginn (dh der Basisbesuch).<\/p><p>Wenn es mehrere Zeitpunkte pro Teilnehmer gibt, wie in der Enroll-HD-Datenbank, werden alle Besuche au\u00dfer dem Besuch zum ausgew\u00e4hlten Zeitpunkt ignoriert. Auch wenn einige Daten nicht verwendet werden, bietet eine Querschnittsanalyse einen Gewinn an Einfachheit. Die meisten statistischen Standardmethoden, wie beispielsweise die konventionelle multiple Regression, sind f\u00fcr die Querschnittsanalyse gedacht.<\/p><p>Durch die Fokussierung auf einen einzelnen Zeitpunkt, beispielsweise den Studieneintritt, wird das Problem eines Studienabbruchs im Laufe der Zeit vermieden, was oft bedeutet, dass die Analyse die Anzahl der Beobachtungen (Teilnehmer) maximiert. Eine Querschnittsanalyse eignet sich auch zur Untersuchung langfristiger Auswirkungen der Huntington-Krankheit (abh\u00e4ngig von den Merkmalen der Studienprobe). Das Fortschreiten der Huntington-Krankheit ist relativ langsam, mit durchschnittlich 15 Jahren vom motorischen Einsetzen bis zum Tod (Keum et al. 2017), daher ist die Zeit, die f\u00fcr HDGECs bis zum Eintritt in die Studie vergeht, oft viel l\u00e4nger als die Zeit, in der die Menschen in der Studie beobachtet werden. Dies bedeutet, dass Informationen \u00fcber den langfristigen Verlauf oft aus Variablen gewonnen werden, die bei Studienbeginn gemessen wurden, und weniger aus der kurzfristigen Ver\u00e4nderung innerhalb der Studie.<\/p><p>Aktuelle Forschungsergebnisse legen nahe, dass die CAG-Wiederholungsl\u00e4nge dynamisch ist, sich auf Zellebene weiter ausdehnt und schlie\u00dflich einen Mechanismus ausl\u00f6st, der zum Zelltod f\u00fchrt (Hong et al. 2020). Hierzu sind Querschnittstudien wichtig <strong>somatische Expansion<\/strong> denn der einzige Vergleich, der gemacht werden muss, ist <em>zwischen<\/em> Bei solchen Vergleichen m\u00fcssen Unterschiede im Ausma\u00df und in der Dauer der Exposition gegen\u00fcber toxischen Wirkungen von mHTT ber\u00fccksichtigt werden. Menschen nehmen an einer Studie mit unterschiedlichen Expositionszeiten teil, die nach dem Alter bei Eintritt indiziert sind, und mit unterschiedlichen Krankheitsauspr\u00e4gungen, die durch die vererbte CAG-L\u00e4nge indiziert sind. Es ist von entscheidender Bedeutung, diese Unterschiede zwischen den Menschen zu ber\u00fccksichtigen, um Verzerrungen zu vermeiden und gleiche Ausgangsbedingungen f\u00fcr den Vergleich der gew\u00e4hlten Variablen zu schaffen.<\/p><p>Ein gemeinsames Ziel einer Querschnittsanalyse besteht darin, zu untersuchen, inwieweit eine Variable mit dem Krankheitsverlauf zusammenh\u00e4ngt. Beispielsweise wird bei der Suche nach neuen Fl\u00fcssigkeitsbiomarkern (z. B. einer im Liquor gemessenen Substanz) h\u00e4ufig untersucht, wie sich die Konzentrationen eines Biomarkers je nach Alter und CAG-L\u00e4nge bei Studienbeginn unterscheiden (Leoni et al. 2013). Alter und CAG-L\u00e4nge dienen als Fortschrittsindikatoren und flie\u00dfen auf verschiedene Weise in die statistischen Modelle ein. Das Zusammenspiel von Alter und CAG-L\u00e4nge ist wichtig f\u00fcr die Indexierung der Progression (Langbehn, Hayden und Paulsen 2010), und daher ist der Produktbegriff \u2013<strong>DECKEL<\/strong>\u2013 wird h\u00e4ufig als Pr\u00e4diktor (wie bei einer multiplen Regression) zusammen mit den Haupteffekten (einzelnen Variablen) eingegeben.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a3120e7 elementor-widget elementor-widget-text-editor\" data-id=\"a3120e7\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><em>CAG-Age-Produkt (CAP)<\/em><\/strong><\/p><p>Um die Modellierung zu vereinfachen, wurde der kombinierte Effekt von Alter und CAG im erfasst <strong>CAG-Age-Produkt (CAP)<\/strong> (Penney et al. 1997; Langbehn, Hayden und Paulsen 2010; Zhang et al. 2011). CAP hat die allgemeine Form von <strong><em>CAP = (Alter bei Studieneintritt) \u22c5 (CAG \u2013 L) \/ K<\/em><\/strong>, Wo <strong><em>L<\/em>\u00a0<\/strong> ist eine Zentrierkonstante und <strong><em>K<\/em><\/strong>\u00a0ist eine Skalierungskonstante.<\/p><p>Basierend auf der umfassenden Analyse von Warner et al. (2020) hat die bevorzugte GAP <strong><em>L = 30<\/em><\/strong>\u00a0Und <strong><em>K = 6,49<\/em><\/strong>, Geben <em><strong>CAP = (Alter bei Studieneintritt) \u22c5 (CAG-30) \/ 6,49<\/strong><\/em>. Diese Formel ist so standardisiert, dass CAP = 100 im erwarteten Diagnosealter ist. Allerdings wurden und werden in verschiedenen Analysen unterschiedliche Konstant- und Skalierungswerte verwendet. Insbesondere wurde CAP mit der PREDICT-HD-Datenbank von Zhang et al. entwickelt. (2011) verwendet <em><strong>L = 33,66<\/strong><\/em> Und <em><strong>K = 1<\/strong><\/em>, so dass <em><strong>CAP = (Alter bei Studieneintritt) \u22c5 (CAG \u2013 33,66)<\/strong><\/em>. Die von Penney et al. entwickelte CAP. Verwendet <em><strong>L = 35,5<\/strong><\/em>\u00a0Und <em><strong>K = 1<\/strong><\/em>, so dass <strong><em>CAP = (Alter bei Studieneintritt) \u22c5 (CAG \u2013 35,5)<\/em><\/strong>.<\/p><p>Der Vorteil von CAP besteht darin, dass es sich um einen einzelnen Progressionsscore handelt und dieser als Pr\u00e4diktor in ein multiples Regressionsmodell zusammen mit Anpassungsvariablen wie dem Geschlecht einbezogen werden kann, deren Kontrolle der Analyst f\u00fcr wichtig h\u00e4lt. Beispielsweise k\u00f6nnte ein Analyst den Regressionskoeffizienten von CAP sch\u00e4tzen, der einen Fl\u00fcssigkeitsbiomarker vorhersagt, der das Geschlecht kontrolliert. Ein signifikanter CAP-Koeffizient in diesem Beispiel deutet auf eine statistisch zuverl\u00e4ssige Beziehung zwischen der Progression und dem Biomarker hin, der sich an die Geschlechterzugeh\u00f6rigkeit anpasst.<\/p><p>Die Verwendung von CAP als kontinuierliche Bewertung im obigen Beispiel ist nur anwendbar, wenn die Teilnehmer \u00fcber einen erweiterten CAG-Trakt verf\u00fcgen (haupts\u00e4chlich 40 oder mehr Wiederholungen). CAP ist f\u00fcr Personen im normalen CAG-Wiederholungsbereich irrelevant und nicht definiert. Dennoch gibt es mehrere ver\u00f6ffentlichte Analysen der Huntington-Krankheit, in denen Personen mit einem erweiterten CAG mit denen verglichen werden, bei denen dies nicht der Fall ist (z. B. nicht betroffene Familienmitglieder oder Kontrollpersonen in der Gemeinschaft). Ein Grund f\u00fcr diesen Vergleich besteht darin, den Zeitpunkt fr\u00fcher Anzeichen und Symptome der Huntington-Krankheit zu bestimmen (Paulsen et al. 2014; Tabrizi et al. 2013).<\/p><p>Aufgrund der Krankheitsdauer k\u00f6nnen manifeste Personen in CAP-Score-Kategorien eingeteilt werden, die das fr\u00fche, mittlere und sp\u00e4te Krankheitsstadium widerspiegeln.<\/p><p>Beispielsweise verwenden Zhang et al. (2011)  die folgenden Schwellenwerte, um Krankheitsstadien mithilfe ihrer CAP-Version zu kategorisieren: Fr\u00fch = 367.\u00a0\u00a0<\/p><p>Bei Verwendung des bevorzugten Warner et al. (2020) GAP (<em><strong>L = 30, K = 6,49<\/strong><\/em>) Der Analyst kann die Quartile f\u00fcr die Enroll-HD-Verteilung f\u00fcr vollst\u00e4ndig durchdringende Teilnehmer verwenden (<em><strong>CAG \u2265 40<\/strong><\/em>), das sind die 25<sup>Th<\/sup> und 75<sup>Th<\/sup> Perzentile von 88 und 119 (Enroll-HD PDS4; Release v2018-10-R3). Daher w\u00fcrden die Gruppen als &lt;88, 88-119, &gt;119 definiert. Es m\u00fcssen zus\u00e4tzliche Arbeiten durchgef\u00fchrt werden, um optimale Schnittpunkte festzulegen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6253a43 elementor-widget elementor-widget-text-editor\" data-id=\"6253a43\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><em>L\u00e4ngsschnittanalyse<\/em><\/strong><\/p><p>Die meisten Huntington-Beobachtungsdatenbanken haben wiederholte Besuche f\u00fcr mindestens einen Teil der Teilnehmer; Die Verf\u00fcgbarkeit von L\u00e4ngsschnittdaten in Enroll-HD wird veranschaulicht (Abbildung 2). Wenn dieselbe Person im Laufe der Zeit bei wiederkehrenden Besuchen gemessen wird, bezeichnen wir ihre Daten als L\u00e4ngsschnitt.<\/p><p>Die L\u00e4ngsschnittanalyse hat gegen\u00fcber der Querschnittsanalyse den entscheidenden Vorteil, dass sie untersucht, wie sich Prozesse im Laufe der Zeit auf teilnehmerinterner Basis entwickeln. Die typische Querschnittsanalyse ist hinsichtlich der Progression retrospektiv, da sie nur auf die Ergebnisse der Progression bis zum interessierenden Zeitpunkt (z. B. Studieneintritt) schlie\u00dfen kann. Eine L\u00e4ngsschnittanalyse ist prospektiv, da wir den Verlauf im Laufe der Zeit untersuchen k\u00f6nnen. L\u00e4ngsschnittdaten gelten als entscheidend f\u00fcr die Bereitstellung von Beweisen zur Unterst\u00fctzung von Ursache und Wirkung, weshalb zulassungsrelevante klinische Studien ihrer Natur nach l\u00e4ngsschnittlich sind (siehe \u201e<a href=\"https:\/\/www.enroll-hd.org\/de\/for-researchers\/analyzing-data\/using-observational-data-to-inform-clinical-trial-design\/\"><em>Verwendung von Beobachtungsdaten zur Information \u00fcber das Design klinischer Studien<\/em><\/a><em>\u201d <\/em>f\u00fcr weitere Informationen). Dar\u00fcber hinaus schlie\u00dft eine L\u00e4ngsschnittanalyse eine Querschnittsanalyse ein, da der erste Besuch im L\u00e4ngsverlauf der Besuch bei Studieneintritt ist. Daher stehen alle Ergebnisse der Querschnittsanalyse sowie die einzigartigen prospektiven Ergebnisse der L\u00e4ngsschnittanalyse zur Verf\u00fcgung.<\/p><p><img decoding=\"async\" class=\"alignnone wp-image-9944 size-large\" src=\"http:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/participants-visits-analyzing-1024x640.png\" alt=\"\" width=\"800\" height=\"500\" srcset=\"https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/participants-visits-analyzing-1024x640.png 1024w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/participants-visits-analyzing-300x188.png 300w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/participants-visits-analyzing-768x480.png 768w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/participants-visits-analyzing-1536x960.png 1536w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/participants-visits-analyzing-2048x1280.png 2048w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><\/p><p><strong><em>Abbildung 2. L\u00e4ngsschnittdatenverf\u00fcgbarkeit in Enroll-HD<\/em><\/strong><em> <strong>PDS5<\/strong> (Ver\u00f6ffentlichung 2020-10-R1).<\/em> <em>Teilnehmerz\u00e4hlung nach maximaler Anzahl von Enroll-HD-Besuchen (nur Basis- und Folgebesuche; au\u00dferplanm\u00e4\u00dfige Besuche und Telefonkontakte ausgenommen).<\/em> Vollst\u00e4ndige Stichprobe dargestellt (N = 21.116; fehlendes N = 0).<\/p><p>In der Huntington-Forschung wurde die L\u00e4ngsschnittanalyse verwendet, um den nat\u00fcrlichen Krankheitsverlauf zu beschreiben, insbesondere das Muster (oder die Entwicklung) wichtiger klinischer Variablen im Zeitverlauf (Langbehn et al. 2019; Long et al. 2014; Paulsen, Smith und Long 2013). Die L\u00e4ngsschnittanalyse wurde auch verwendet, um den Zeitpunkt von Meilensteinereignissen zu untersuchen, beispielsweise das Alter bei der motorischen Diagnose f\u00fcr verschiedene CAG-Erweiterungen (Long und Mills 2018).<\/p><p>Mit den zus\u00e4tzlichen prospektiven Erkenntnissen einer L\u00e4ngsschnittanalyse geht auch die Komplexit\u00e4t einher. Wiederholte Beobachtungen derselben Person werden korreliert, und die Anzahl der Beobachtungen variiert da die Personen zu unterschiedlichen Zeitpunkten in die Studie eintreten (l\u00e4nger zur\u00fcckliegender oder erst k\u00fcrzlich erfolgter Einschluss). Diese Merkmale m\u00fcssen mit fortschrittlichen statistischen Methoden ber\u00fccksichtigt werden, beispielsweise linearen gemischten Modellen f\u00fcr L\u00e4ngsschnittdaten (Verbeke und Molenberghs 2009).<\/p><p>\u00c4hnlich wie eine Querschnittsanalyse kann eine L\u00e4ngsschnittanalyse kontinuierliche CAP oder CAP-Gruppen verwenden. Beispielsweise m\u00f6chte ein Analytiker m\u00f6glicherweise untersuchen, wie sich ein Fl\u00fcssigkeitsbiomarker im Laufe der Zeit auf der Grundlage des CAP bei Studienbeginn ver\u00e4ndert. Die retrospektiven Querschnittsinformationen zum Biomarker und zum Verlauf k\u00f6nnen mit einer Intercept-Analyse (Startpunktanalyse) untersucht werden, die sich auf den ersten Besuch bei Studieneintritt konzentriert. Dar\u00fcber hinaus k\u00f6nnen mit einer Steigungsanalyse (Ver\u00e4nderungsanalyse), die sich auf die Ver\u00e4nderung \u00fcber die wiederholten Besuche konzentriert, prospektive Informationen \u00fcber den Biomarker und den Verlauf gewonnen werden.<\/p><p>Die Auswahl einer Zeitmetrik in der L\u00e4ngsschnittanalyse ist wichtig. Verschiedene Studien haben gezeigt, dass der Verlauf vieler klinischer Variablen der Huntington-Krankheit \u00fcber die gesamte Lebensspanne eines Erwachsenen nicht linear ist. Abbildung 3 zeigt ein Beispiel f\u00fcr das \u00fcber die Zeit verfolgte zusammengesetzte UHDRS (cUHDRS). Als weiteres Beispiel beginnen die mittleren motorischen Zeichen einer Kohorte mit CAG = 42 bei oder sehr nahe bei 0 (normal), wenn die Menschen Anfang 20 sind, nehmen dann in den n\u00e4chsten Jahren leicht zu und steigen dann kurz vor der motorischen Diagnose stark an (Langbehn et al. 2019; Long et al. 2014; Paulsen et al. 2014). Wenn das Alter als Zeitmetrik verwendet wird, sollten Methoden zum Umgang mit nichtlinearen Trajektorien verwendet werden, wie beispielsweise Polynome des Alters (Long und Ryoo 2010) oder Spline-Terme (Long und Mills 2018).<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-9945 size-large\" src=\"http:\/\/enroll-hd.org\/wp-content\/uploads\/2021\/11\/cuhdrs-age-analyzing-1024x682.png\" alt=\"\" width=\"800\" height=\"533\" srcset=\"https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/cuhdrs-age-analyzing-1024x682.png 1024w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/cuhdrs-age-analyzing-300x200.png 300w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/cuhdrs-age-analyzing-768x512.png 768w, https:\/\/www.enroll-hd.org\/wp-content\/uploads\/2021\/11\/cuhdrs-age-analyzing.png 1430w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><\/p><p><strong><em>Figur 3.<\/em><\/strong><em> <strong>Ver\u00e4nderung der zusammengesetzten UHDRS-Werte (cUHDRS) im Laufe der Zeit bei HDGECs und gesunden Kontrollpersonen.<\/strong> Daten abgeleitet von Enroll-HD PDS4; Ver\u00f6ffentlichung v2018-10-R3.<\/em><\/p><p>Wenn Ver\u00e4nderungen f\u00fcr CAP oder CAP-Gruppen untersucht werden, reicht es interessanterweise oft aus, ein lineares Modell zu verwenden. Denken Sie daran, dass die fr\u00fchen, mittleren und sp\u00e4ten CAP-Gruppen den CAP-Bereich unterteilen. Innerhalb jeder GAP-Partition ist die Ver\u00e4nderung \u00fcber einige Jahre hinweg relativ linear. Daher kann jede CAP-Gruppe als lineares Teil behandelt werden, und wenn alle Teile nebeneinander verkettet werden, ist die \u00c4nderung \u00fcber alle Stufen nichtlinear, die \u00c4nderung innerhalb einer Stufe jedoch linear.<\/p><p>Bei L\u00e4ngsschnittanalysen mit CAP oder CAP-Gruppen wird empfohlen, die Zeit seit Studieneintritt (in Jahren oder Monaten) als Zeitmetrik zu verwenden. Zeitpunkt 0 ist der Besuch bei Eintritt, der anerkennt, dass CAP den Fortschritt bis zum Studieneintritt ber\u00fccksichtigt. Bei der in der L\u00e4ngsschnittanalyse untersuchten Progression handelt es sich lediglich um die w\u00e4hrend der Studie beobachtete Progression und nicht um eine Progression seit der Geburt.<\/p><p>Schlie\u00dflich beruht die Analyse des Zeitpunkts von Meilensteinereignissen h\u00e4ufig auf der Verwendung einer bestimmten Untergruppe von Teilnehmern, beispielsweise einer Untergruppe, die noch keine motorische Diagnose erhalten hat. Die \u00dcberlebensanalyse wird h\u00e4ufig verwendet, um zu untersuchen, ob die Dauer vom Studieneintritt bis zu einem bahnbrechenden Ereignis wie einer motorischen Diagnose durch CAP oder andere bei Studieneintritt gemessene Variablen vorhergesagt werden kann (Long und Paulsen 2015; Long et al. 2017).<\/p><p>Die Variableninformationen, die in einer \u00dcberlebensanalyse verwendet werden, sind der Zeitpunkt des Ereignisses oder der letzte aufgezeichnete Zeitpunkt in der Studie f\u00fcr diejenigen, die das Ereignis nicht erleben, und die Pr\u00e4diktorvariable bei Studienbeginn. Obwohl bei allen Besuchen alle Kernvariablen erfasst werden, werden die zus\u00e4tzlichen Informationen h\u00e4ufig nicht genutzt. Dar\u00fcber hinaus werden Teilnehmer, bei denen das interessante Ereignis (z. B. eine motorische Diagnose) bereits vor der Aufnahme in die Studie stattgefunden hat, in der Regel von der Analyse ausgeschlossen. Eine solche Filterung kann gerechtfertigt sein, wenn Personen und\/oder Beobachtungen nach dem Zufallsprinzip ausgeschlossen werden, sodass die verbleibenden Informationen repr\u00e4sentativ f\u00fcr die ausgelassenen Informationen sind. Es gibt jedoch Szenarien, in denen die Filterung zu einer Verzerrung der Ergebnisse f\u00fchren kann. Statistische Methoden zur Maximierung der Nutzung aller verf\u00fcgbaren Daten werden weiterhin entwickelt (siehe Long und Mills 2018), und der Analyst wird ermutigt, \u00fcber die Auswirkungen einer Filterung der Datenbank nachzudenken.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-91e5868 elementor-widget elementor-widget-spacer\" data-id=\"91e5868\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1dfcaed elementor-widget elementor-widget-text-editor\" data-id=\"1dfcaed\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><em>Verweise<\/em><\/strong><\/p><p>Hong, PE, ME MacDonald, VC Wheeler, L. Jones, P. Holmans, M. Orth, DG Monckton, et al. 2020. \u201ePathogenese der Huntington-Krankheit: Zwei aufeinanderfolgende Komponenten.\u201c <em>Zeitschrift f\u00fcr Huntington-Krankheit<\/em>.<\/p><p>Keum, JW, A. Shin, T. Gillis, JS Mysore, KA Elneel, D. Lucente, T. Hadzi, et al. 2017. \u201eDie HTT-Cag-Expansion-Mutation bestimmt das Sterbealter, nicht aber die Krankheitsdauer bei der Huntington-Krankheit.\u201c <em>Das American Journal of Human Genetics<\/em> 98: 287\u201398.<\/p><p>Landwehrmeyer, BG, C. Fitter-Attas, J. Giuliano und et al. 2016. \u201eDatenanalyse von Enroll-HD, einer globalen klinischen Forschungsplattform f\u00fcr die Huntington-Krankheit.\u201c <em>Klinische Praxis f\u00fcr Bewegungsst\u00f6rungen<\/em> 4: 212\u201324.<\/p><p>Langbehn, DR, MR Hayden und JS Paulsen. 2010. \u201eCAG-Wiederholungsl\u00e4nge und das Erkrankungsalter bei der Huntington-Krankheit (HD), eine \u00dcberpr\u00fcfungs- und Validierungsstudie statistischer Ans\u00e4tze.\u201c <em>American Journal of Medical Genetics, Teil B<\/em> 153: 397\u2013408.<\/p><p>Langbehn, DR, JC Stout, S. Gregory, JA Mills, A. Durr, BR Leavitt, RAC Roos, et al. 2019. \u201eZusammenhang von CAG-Wiederholungen mit langfristigem Fortschreiten der Huntington-Krankheit.\u201c <em>JAMA Neurologie<\/em> 76: 1375\u201385.<\/p><p>Lee, JM, EM Ramos, JH Lee, T. Gillis, JS Mysore, MR Hayden, SC Warby, et al. 2012. \u201eDie CAG-Wiederholungsexpansion bei der Huntington-Krankheit bestimmt das Alter bei Ausbruch auf v\u00f6llig dominante Weise.\u201c <em>Neurologie<\/em> 78: 690\u201395.<\/p><p>Leoni, V., JD Long, JA Mills, S. Di Donato und JS Paulsen. 2013. \u201eKorrelation von 24S-Hydroxycholesterin im Plasma mit Markern f\u00fcr das Fortschreiten der Huntington-Krankheit.\u201c <em>Neurobiologie der Krankheit<\/em> 55: 37\u201343.<\/p><p>Long, JD und JA Mills. 2018. \u201eGemeinsame Modellierung multivariater L\u00e4ngsschnittdaten und \u00dcberlebensdaten in mehreren Beobachtungsstudien zur Huntington-Krankheit.\u201c <em>Medizinische Forschungsmethodik<\/em> 18: 138\u201353.<\/p><p>Long, JD, JA Mills, BR Leavitt, A. Durr, RA Roos, JC Stout, R. Reilmann, et al. 2017. \u201e\u00dcberlebensendpunkte f\u00fcr Studien zur Huntington-Krankheit vor einer motorischen Diagnose.\u201c <em>JAMA Neurologie<\/em> 74: 1\u20139.<\/p><p>Long, JD und JS Paulsen. 2015. \u201eMultivariate Vorhersage der motorischen Diagnose bei der Huntington-Krankheit: 12 Jahre PREDICT-HD.\u201c <em>Bewegungsst\u00f6rungen<\/em> 12: 1664\u201372.<\/p><p>Long, JD, JS Paulsen, K. Marder, Y. Zhang, J. Kim und JA Mills. 2014. \u201eVerfolgung motorischer Beeintr\u00e4chtigungen im Verlauf der Huntington-Krankheit.\u201c <em>Bewegungsst\u00f6rungen<\/em> 29: 311\u201319.<\/p><p>Long, JD und J. Ryoo. 2010. \u201eVerwendung gebrochener Polynome zur Modellierung nichtlinearer Trends in L\u00e4ngsschnittdaten.\u201c <em>British Journal of Mathematical and Statistical Psychology<\/em> 63: 177\u2013203.<\/p><p>Paulsen, JS, JD Long, CA Ross, DL Harrington, CJ Erwin, JK Williams, HJ Westervelt, et al. 2014. \u201eVorhersage der manifesten Huntington-Krankheit mit klinischen und bildgebenden Ma\u00dfnahmen: Eine prospektive Beobachtungsstudie.\u201c <em>Lancet-Neurologie<\/em> 13: 1193\u20131201.<\/p><p>Paulsen, JS, MM Smith und JD Long. 2013. \u201eKognitiver R\u00fcckgang der Auswirkungen der prodromalen Huntington-Krankheit auf klinische Studien.\u201c <em>Zeitschrift f\u00fcr Neurologie, Neurochirurgie und Psychiatrie<\/em> 84: 1233\u20139.<\/p><p>Penney, JB, JP Vonsattel, ME MacDonald, JF Gusella und RH Myers. 1997. \u201eDie CAG-Wiederholungszahl regelt die Entwicklungsrate der Pathologie bei der Huntington-Krankheit.\u201c <em>Annalen der Neurologie<\/em> 41: 689\u201392.<\/p><p>Ross, CA, EH Aylward, EJ Wild, DR Langbehn, JD Long, JH Warner, RI Scahill, et al. 2014. \u201eNaturgeschichte der Huntington-Krankheit, Biomarker und Aussichten f\u00fcr Therapeutika.\u201c <em>Nature Reviews Neurologie<\/em> 10: 204\u201316.<\/p><p>Tabrizi, SJ, RI Scahill, G. Owen, A. Durr, BR Leavitt, RA Roos, B. Borowsky, et al. 2013. \u201ePr\u00e4diktoren f\u00fcr das ph\u00e4notypische Fortschreiten und den Krankheitsausbruch bei der pr\u00e4manifesten und fr\u00fchen Huntington-Krankheit in der TRACK-HD-Studienanalyse von 36-monatigen Beobachtungsdaten.\u201c <em>Lancet-Neurologie<\/em> 12: 637\u201349.<\/p><p>Verbeke, G. und G. Molenberghs. 2009. <em>Lineare gemischte Modelle f\u00fcr L\u00e4ngsschnittdaten<\/em>. New York: Springer-Verlag.<\/p><p>Warner, JH, JD Long, JA Mills, DR Langbehn, J. Ware, A. Mohan und C. Sampaio. 2020. \u201eStandardisierung des CAP-Scores bei der Huntington-Krankheit I: Vorhersage des Erkrankungsalters.\u201c<\/p><p>Zhang, Y., JD Long, JA Mills, JH Warner, W. Lu und JS Paulsen. 2011. \u201eIndexierung des Krankheitsverlaufs bei Studieneintritt bei Personen mit einem Risiko f\u00fcr die Huntington-Krankheit.\u201c <em>American Journal of Medical Genetics Teil B Neuropsychiatrische Genetik<\/em> 156: 751\u201363.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"<p>F\u00fcr Forscher Tools Daten analysieren Besondere Merkmale von HD-Daten Alter und CAG-L\u00e4nge bei der HD-Datenanalyse Wie Alter und CAG bei der statistischen Analyse von HD-Daten ber\u00fccksichtigt werden. Hintergrund Die HD entwickelt sich im Laufe der Zeit, wobei Anzeichen und Symptome typischerweise in der Lebensmitte auftreten (Ross et al. 2014). Der Zeitpunkt der Anzeichen und Symptome der HD [\u2026]<\/p>","protected":false},"author":1,"featured_media":0,"parent":1419,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":"","_links_to":"","_links_to_target":""},"class_list":["post-9941","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/pages\/9941","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/comments?post=9941"}],"version-history":[{"count":70,"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/pages\/9941\/revisions"}],"predecessor-version":[{"id":12266,"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/pages\/9941\/revisions\/12266"}],"up":[{"embeddable":true,"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/pages\/1419"}],"wp:attachment":[{"href":"https:\/\/www.enroll-hd.org\/de\/wp-json\/wp\/v2\/media?parent=9941"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}